numpy 查看数据在array 中的索引

要查看numpy数组中某个元素的索引，可以使用`numpy.where()`函数，该函数返回一个元组，其中包含满足给定条件的元素的索引。

例如，假设我们有一个numpy数组`arr`，其中包含以下元素：

arr = np.array([2, 4, 6, 8, 10])

如果我们想找到值为6的元素的索引，可以使用以下代码：

index = np.where(arr == 6)
print(index)

输出结果为一个元组`(array([2]),)`，这表示6的索引为2。

如果有多个元素的值相同，我们可以使用`numpy.where()`函数查找所有这些元素的索引。例如，假设我们有以下数组：

arr = np.array([2, 4, 6, 8, 6])

如果我们想找到值为6的所有元素的索引，可以使用以下代码：

index = np.where(arr == 6)
print(index)

输出结果为一个元组`(array([2, 4]),)`，这表示6的索引为2和4。

相关问题

numpy array 索引

numpy array 索引是指通过下标访问数组中的元素。在numpy中，数组的索引是从0开始的。

对于一维数组，可以使用一个整数索引访问对应位置的元素。例如，对于数组arr，可以使用arr[0]来访问第一个元素，arr[1]来访问第二个元素，依此类推。

对于多维数组，可以使用逗号分隔的整数索引来访问元素。例如，对于一个二维数组arr，可以使用arr[0, 0]来访问第一行第一列的元素，arr[1, 2]来访问第二行第三列的元素。

除了整数索引外，还可以使用切片来选择数组的子集。切片可以使用冒号(:)来表示。例如，对于一个一维数组arr，可以使用arr[1:4]来选择索引从1到3的元素组成的子数组。需要注意的是，切片操作是左闭右开的，即包括左边界而不包括右边界。

此外，还可以使用布尔索引选择满足特定条件的元素。布尔索引是使用布尔数组来对数组进行索引。例如，可以使用arr[arr > 0]来选择数组中大于0的元素。

总之，numpy数组的索引提供了灵活且高效的方式来访问和操作数组中的元素。通过适当的索引操作，可以对数组进行各种计算和处理。

numpy array返回某个元素的索引

在使用NumPy的数组时，可以通过`numpy.argwhere()`函数来获取数组中某个特定元素的索引。

`numpy.argwhere()`函数返回满足某个特定条件的元素的索引，并将其以二维数组的形式返回。这个函数的参数是一个条件表达式，表示筛选的条件，可以是等于某个特定值的条件。

下面是一个示例：

import numpy as np

# 创建一个NumPy数组
arr = np.array([1, 3, 5, 7, 1, 9])

# 使用numpy.argwhere()函数获取元素1的索引
indices = np.argwhere(arr == 1)

# 输出结果
print(indices)

此代码的输出结果是`[[0], [4]]`，它表示在数组`arr`中，元素1的索引是0和4。

需要注意的是，`numpy.argwhere()`函数返回的索引是二维数组，即使只有一个满足条件的元素，返回的结果也是一个二维数组，因此可以使用`indices[0]`来获取实际的索引值。